Deteksi Penggunaan Personal Protective Equipment Pada Pekerja Dengan Menggunakan Metode You Only Look Once Berbasis Perangkat Edge Computing

Arum, Amalia Sekar (2024) Deteksi Penggunaan Personal Protective Equipment Pada Pekerja Dengan Menggunakan Metode You Only Look Once Berbasis Perangkat Edge Computing. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5009201170_Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (4MB) | Request a copy

Abstract

Menurut BPJS ketenagakerjaan kurang lebih 28.000 kasus selama tiga tahun terkahir terjadi. Dikarenakan lalainya pekerja dalam menggunakan PPE (personal preotective equipment). Oleh karena itu dibutuhkan pengimplemntasian sistem yang terintegrasi langsung untuk mampu membantu mendeteksi perkerja dalam menggunakan PPE sehingga meminimalisir terjadi nya kemungkinan kecelakaan kerja. Oleh karena itu penelitian ini menggunakan dua metode YOLO yaitu Yolov4 dan Yolov4 Tiny. Dari pendeteksian penggunaan PPE dengan kedua metode Yolo tersebut akan diperoleh hasil FPS dan rata-rata akurasi. Setelah didapatkan nilai FPS dan akurasi selanjutnya akan dibandingkan dari kedua metode tersebut mengenai kecepatan FPS (frame per second), dan tingkat akurasi dalam sistem mendeteksi PPE secara real-time. Uji coba sistem dilakukan menggunakan video secara real -time dengan bantuan CCTV (closed circuit television) dan Jetson NX sebagai perangkat edge computing. Dari deteksi tersebut dapat diperoleh confusion matrix untuk memperoleh nilai TP, FP, FN, TN, recall, precision, f1-score, accuracy, Iou, MAP. Dari hasil yang diperoleh pada pendeteksian penggunaan PPE ini untuk Yolov4 diperoleh nilai rata-rata akurasi sebesar 93% dan untuk Yolov4 Tiny rata-rata akurasi sebesar 92%. Sehingga nilai akurasi terbaik dari kedua metode yang digunakan ini metode Yolov4 yang memiliki nilai akurasi terbaik. Dan untuk nilai FPS terbaik diperoleh dengan menggunakan metode Yolov4 Tiny dengan nilai yaitu sebesar 8,11 frame per second dan untuk nilai FPS pada Yolov4 diperoleh nilai sebesar 7,59 frame per second dapat disimpulkan bahwa dari kedua metode Yolo yang digunakan untuk nilai FPS terbaik yaitu pada metode Yolov4 Tiny dan untuk nilai akurasi terbaik yaitu pada metode Yolov4.
=====================================================================================================================================
According to BPJS Ketenagakerjaan, approximately 28,000 cases have occurred over the past three years due to workers negligence in using PPE (Personal Protective Equipment). Therefore, it is essential to implement an integrated system that can help detect workers use of PPE, thereby minimizing the possibility of workplace accidents. This study utilizes two YOLO methods, namely Yolov4 and Yolov4 Tiny. By detecting PPE usage with these two YOLO methods, results will be obtained for FPS (frame per second) and average accuracy. Once the FPS and accuracy values are obtained, the two methods will be compared in terms of FPS speed and accuracy in detecting PPE in real-time. The system trial was conducted using real-time video with the aid of CCTV (closed-circuit television) and Jetson NX as edge computing devices. From this detection, a confusion matrix can be obtained to derive TP (True Positive), FP (False Positive), FN (False Negative), TN (True Negative), recall, precision, f1-score, accuracy, IoU (Intersection over Union), and mAP (mean Average Precision). The results of PPE usage detection indicate that Yolov4 achieves an average accuracy of 93%, while Yolov4 Tiny achieves an average accuracy of 92%. Thus, the best accuracy value among the two methods is achieved by Yolov4. As for the best FPS value, it is obtained using the Yolov4 Tiny method, which achieves 8.11 frame per second, whereas Yolov4 achieves 7.59 frame per second. It can be concluded that among the two YOLO methods used, Yolov4 Tiny provides the best FPS value, and Yolov4 provides the best accuracy.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Accuracy, FPS, PPE, Yolov4, Yolov4 Tiny,Akurasi, FPS, PPE, Yolov4, Yolov4 Tiny.
Subjects:	T Technology > TA Engineering (General). Civil engineering (General) > TA1637 Image processing--Digital techniques
Divisions:	Faculty of Industrial Technology and Systems Engineering (INDSYS) > Physics Engineering > 30201-(S1) Undergraduate Thesis
Depositing User:	Amalia Sekar Arum
Date Deposited:	01 Aug 2024 08:22
Last Modified:	01 Aug 2024 08:22
URI:	http://repository.its.ac.id/id/eprint/109436

Actions (login required)

View Item